-
公开(公告)号：CN111709385A
公开(公告)日：2020-09-25
申请号：CN202010572679.7
申请日：2020-06-22
Applicant: 电子科技大学
IPC: G06K9/00 , G06F16/338 , G06F16/36 , G06F17/14
Abstract: 本发明公开了一种低小慢飞行器目标探测系统及其身份识别方法，其系统包括采集模块、转接模块、上位机模块和结果输出模块；采集模块用于采集监控区域的实时信息；转接模块用于将采集的实时信息进行转接；上位机模块用于对监控区域的实时信息识别；结果输出模块用于将结果进行可视化展现。本发明实现实时目标检测的方法，解决了在复杂城市环境两公里范围的低小慢飞行器目标探测难题；通过构建时空域的空间地图，将目标探测、目标身份识别和实时动态监管过程可视化。同时利用知识图谱对长期的电磁数据进行分析，形式智慧城市电磁态势感知，解决了探测识别过程和电磁态势的可视化难题。
-
公开(公告)号：CN111709385B
公开(公告)日：2023-07-25
申请号：CN202010572679.7
申请日：2020-06-22
Applicant: 电子科技大学
IPC: G06F18/10 , G06F16/338 , G06F16/36 , G06F17/14
Abstract: 本发明公开了一种低小慢飞行器目标探测系统及其身份识别方法，其系统包括采集模块、转接模块、上位机模块和结果输出模块；采集模块用于采集监控区域的实时信息；转接模块用于将采集的实时信息进行转接；上位机模块用于对监控区域的实时信息识别；结果输出模块用于将结果进行可视化展现。本发明实现实时目标检测的方法，解决了在复杂城市环境两公里范围的低小慢飞行器目标探测难题；通过构建时空域的空间地图，将目标探测、目标身份识别和实时动态监管过程可视化。同时利用知识图谱对长期的电磁数据进行分析，形式智慧城市电磁态势感知，解决了探测识别过程和电磁态势的可视化难题。
-
公开(公告)号：CN114372612B
公开(公告)日：2023-04-28
申请号：CN202111544236.8
申请日：2021-12-16
Applicant: 电子科技大学
IPC: G06Q10/047 , G06N3/08 , G06F30/27 , G06F9/445
Abstract: 本发明公开了面向无人机移动边缘计算场景的路径规划和任务卸载方法，涉及移动边缘计算和深度学习领域，包括S1建立网络场景模型；S2无人机和地面终端信息导入网络场景模型；S3建立深度强化学习网络并初始化；S4求解最优飞行时隙；S5初始化无人机移动边缘计算场景状态；S6执行行为；S7判断飞行是否越界，若是则惩罚、停止飞行并更新状态；S8保存行为、奖励、当前及下一刻状态至样本；S9重复S6至S8；S10计算目标值，更新网络参数；S11重复S4至S10，获得路径规划和任务卸载方法；设计基于深度增强学习的框架，实现深度增强学习和凸优化技术在计算复杂度和计算精度上的权衡与互补，最小化无人机能耗和终端任务完成时间，提升无人机执行地面终端任务能效。
-
公开(公告)号：CN114257298B
公开(公告)日：2022-09-27
申请号：CN202210050792.8
申请日：2022-01-17
Applicant: 电子科技大学
Abstract: 本发明公开一种智能反射表面相移和无人机路径规划方法，涉及无人机空地通信、智能反射表面辅助通信和深度学习领域，本发明基于深度强化学习的框架，实现相比于传统凸优化算法在计算复杂度和精度上的权衡，结合智能反射表面技术，联合优化无人机三维轨迹与智能反射表面相移，使得最小化无人机能耗的同时最大化无线通信网络增益，提升无人机与地面终端通信能效。
-
公开(公告)号：CN112148482B
公开(公告)日：2023-08-22
申请号：CN202010952638.0
申请日：2020-09-11
Applicant: 电子科技大学
IPC: G06F9/50 , G06N3/006 , G06N3/126 , H04L67/1001
Abstract: 本发明公开一种基于结合负载均衡的边缘计算任务调度方法，涉及移动边缘计算领域，包括S1建立网络场景模型；S2收集用户终端信息，导入网络场景模型确定时间开销和能量开销；S3确定可以进行卸载的边缘云，调整网络场景模型；S4确定初始的禁忌表；S5选择一个用户终端进行卸载；S6该用户终端选择一个边缘云；S7如果存在还没有被选择的用户终端则返回S5，反之进入S8；S8判断本次的循环是否比当前循环能耗更低或者卸载成功数最多，是则将当前循环替代为本次循环，更新信息素；S9判断是否达到最大迭代次数，如果是则当前的方案就是任务的调度方案，反之则返回S4；使用蚁群算法与负载均衡特性，最大化利用边缘云计算资源，节省系统能耗，提高用户体验。
-
Patent Agency Ranking
公开(公告)号：CN114980293B
公开(公告)日：2023-08-11
申请号：CN202210494452.4
申请日：2022-05-07
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种面向大规模OFDM系统的智能自适应功率控制方法。目的是根据实时信道估计得到的OFDM系统子载波的CSI向量控制当前时隙的发射功率，实现OFDM系统长期平均误码率最小化的同时，满足长期平均发射功率约束的基站节能需求。在该系统中，采取“两步走”的方式对OFDM系统进行发射功率控制：首先采用DRL中的DDPG算法对系统进行当前时隙的发射功率控制，然后采用凸优化的方法将当前时隙发射功率分配给系统的每个子载波。本发明的优点在于可以处理大规模OFDM系统子载波的情况，具有可拓展性，即无论OFDM系统选择传输多少个子载波，本方案只需要训练一个神经网络。
-
公开(公告)号：CN114980293A
公开(公告)日：2022-08-30
申请号：CN202210494452.4
申请日：2022-05-07
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种面向大规模OFDM系统的智能自适应功率控制方法。目的是根据实时信道估计得到的OFDM系统子载波的CSI向量控制当前时隙的发射功率，实现OFDM系统长期平均误码率最小化的同时，满足长期平均发射功率约束的基站节能需求。在该系统中，采取“两步走”的方式对OFDM系统进行发射功率控制：首先采用DRL中的DDPG算法对系统进行当前时隙的发射功率控制，然后采用凸优化的方法将当前时隙发射功率分配给系统的每个子载波。本发明的优点在于可以处理大规模OFDM系统子载波的情况，具有可拓展性，即无论OFDM系统选择传输多少个子载波，本方案只需要训练一个神经网络。
-
公开(公告)号：CN114372612A
公开(公告)日：2022-04-19
申请号：CN202111544236.8
申请日：2021-12-16
Applicant: 电子科技大学
Abstract: 本发明公开了面向无人机移动边缘计算场景的路径规划和任务卸载方法，涉及移动边缘计算和深度学习领域，包括S1建立网络场景模型；S2无人机和地面终端信息导入网络场景模型；S3建立深度强化学习网络并初始化；S4求解最优飞行时隙；S5初始化无人机移动边缘计算场景状态；S6执行行为；S7判断飞行是否越界，若是则惩罚、停止飞行并更新状态；S8保存行为、奖励、当前及下一刻状态至样本；S9重复S6至S8；S10计算目标值，更新网络参数；S11重复S4至S10，获得路径规划和任务卸载方法；设计基于深度增强学习的框架，实现深度增强学习和凸优化技术在计算复杂度和计算精度上的权衡与互补，最小化无人机能耗和终端任务完成时间，提升无人机执行地面终端任务能效。
-
公开(公告)号：CN114257298A
公开(公告)日：2022-03-29
申请号：CN202210050792.8
申请日：2022-01-17
Applicant: 电子科技大学
Abstract: 本发明公开一种智能反射表面相移和无人机路径规划方法，涉及无人机空地通信、智能反射表面辅助通信和深度学习领域，本发明基于深度强化学习的框架，实现相比于传统凸优化算法在计算复杂度和精度上的权衡，结合智能反射表面技术，联合优化无人机三维轨迹与智能反射表面相移，使得最小化无人机能耗的同时最大化无线通信网络增益，提升无人机与地面终端通信能效。
-
公开(公告)号：CN112148482A
公开(公告)日：2020-12-29
申请号：CN202010952638.0
申请日：2020-09-11
Applicant: 电子科技大学
Abstract: 本发明公开一种基于结合负载均衡的边缘计算任务调度方法，涉及移动边缘计算领域，包括S1建立网络场景模型；S2收集用户终端信息，导入网络场景模型确定时间开销和能量开销；S3确定可以进行卸载的边缘云，调整网络场景模型；S4确定初始的禁忌表；S5选择一个用户终端进行卸载；S6该用户终端选择一个边缘云；S7如果存在还没有被选择的用户终端则返回S5，反之进入S8；S8判断本次的循环是否比当前循环能耗更低或者卸载成功数最多，是则将当前循环替代为本次循环，更新信息素；S9判断是否达到最大迭代次数，如果是则当前的方案就是任务的调度方案，反之则返回S4；使用蚁群算法与负载均衡特性，最大化利用边缘云计算资源，节省系统能耗，提高用户体验。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
